边缘计算（EC）与无线携能通信（SWIPT）技术能够提升传统网络性能，但同时也增加了系统决策制定的难度和复杂度。而基于最优化方法所设计的系统决策往往具有较高的计算复杂度，无法满足系统的实时性需求。为此，针对EC与SWIPT辅助的无线传感网络（WSN），联合考虑网络中波束成形、计算卸载与功率控制问题，建立了系统能效最优化数学模型；其次，针对该模型的非凸与参数耦合特征，通过设计系统的信息交换过程，提出基于深度强化学习的联合优化方法，该方法无须建立环境模型，采用奖励函数代替Critic网络对动作进行评估，能降低决策制定难度并提升实时性；最后，基于该方法设计了改进的深度确定性策略梯度（IDDPG）算法，并与多种最优化算法和机器学习算法进行仿真对比，验证了联合优化方法在降低计算复杂度、提升决策实时性方面的优势。

针对能量受限的多用户移动边缘计算（MEC）系统存在恶意窃听节点的问题，提出一种联合无线能量传输（WPT）和MEC的安全部分计算卸载方案。该方法以系统接入点（AP）能耗最小化为优化目标，在计算延迟、安全卸载和能量捕获约束条件下，联合优化AP能量传输协方差矩阵、本地CPU频率、用户卸载比特数、用户卸载时间分配以及用户传输功率。针对AP能耗最小化问题为非凸问题，首先采用凸差分算法（DCA）将原始非凸问题转换为凸问题，然后采用拉格朗日对偶法以半封闭形式获得问题最优解。当计算任务数为5×10⁵比特时，与本地计算和安全全部计算卸载方法相比，安全部分卸载方案的能量消耗分别降低了61.3%和84.4%；当窃听节点距离超过25 m时，安全部分卸载方案所消耗的能量远小于本地计算和安全全部计算卸载。仿真实验结果表明，在保证物理层安全卸载的情况下，所提方案能够有效降低AP能耗、提高系统性能增益。

考虑在无线网络中采用信息与能量同步传输来提高无线中继系统的性能，提出了基于无线射频网络中采用无线携能通信（SWIPT）技术的具有自能量回收的双向传输全双工中继系统。SWIPT应用在双向全双工中继系统中是一个新的尝试，其中能量受限的目的节点使用从中继和环路信道捕获的能量来发送反馈信息，并给出了全双工中继系统工作的逻辑结构和能量受限的目的节点的物理结构。然后，以最小化系统发射功率和作为优化目标来描述系统的性能，采用功率分配方案进行信息解码和能量捕获，应用半定规划、秩松弛和拉格朗日方法将原始非凸优化方程转化为可解凸优化问题并求解，且联合优化了中继发射功率、发射波束成形向量和功率分配比率。最后，实验仿真对比了所提的新系统与传统双向传输中继系统，结果验证了利用自能量回收不仅可以消除自干扰，而且可以显著优化系统发射功率和，且由于SWIPT技术与全双工中继系统的结合，使得所提出的系统比传统的双向传输系统具有更高的性能增益。

科学家依靠鲸鱼尾巴的形状及其独特的标记来识别鲸鱼的种类，但靠人眼识别和手工标注的过程非常繁琐。而且鲸鱼尾巴照片数据集存在数据分布不均衡的特点，其中个别种类样本数量极少，甚至仅有一份；同时样本个体差异较小，并且包含未知类别，导致以图像分类的方式完成鲸鱼身份的自动标注存在困难。为解决度量学习在该任务下难以分类的问题，在孪生神经网络（SNN）的基础上，利用线性分配问题（LAP）算法进行难负样本挖掘训练过程从而动态地构筑训练批次。首先对训练样本提取图像特征向量，并计算特征向量的相似性度量；然后通过LAP为模型分配样本对，根据度量分数矩阵动态地构筑训练样本批次，针对性地训练困难样本对。在一个数据分布不平衡的鲸鱼尾巴图像数据集和CUB-200-2001数据集上得到的实验结果表明，所提算法在少数类学习和细粒度图像分类上能取得良好的效果。